问财量化选股策略逻辑
选股逻辑为：振幅大于1、流通市值大于100亿元、100亿市值以内的无亏损企业。该选股策略同时考虑了个股市值和企业基本面的因素。
选股逻辑分析
该选股逻辑综合考虑了个股市值和企业基本面的因素，即选股标准不仅着眼于企业规模，还考虑了盈利能力方面的因素。筛选出的符合条件的个股，具有较高的波动性，同时有良好的基本面，是有一定投资价值的潜力股。
有何风险？
该选股逻辑存在以下风险：一是由于市值大小不一，有可能选出的个股也存在市场表现的波动性不同；二是如果不适量考虑个股的基本面因素，可能会选出盈利不稳定的个股；三是由于忽略了股票股价的历史走势，不能很好地预测未来走势。因此，在实际应用中需要多方面的考量和分析，综合判断选股风险。
如何优化？
为优化该选股逻辑，可进一步引入其他经济指标、技术指标、市场信息等因素，并综合考量，对不同的指标进行加权或选出其中较为重要的指标，从而筛选出更加符合预期的标的。此外，在个股基本面方面，可考虑引入更多的指标，如财务数据、行业排名等来进行综合考量。同时，在筛选条件中加入部分技术指标，如均线等，则可增加其收益的稳定性。
最终的选股逻辑
选股逻辑为：振幅大于1、流通市值大于100亿元、100亿市值以内的无亏损企业。该选股策略旨在从市值大、有财务稳定性、波动性较高的股票中挑选出可能具有一定投资潜力的标的。
同花顺指标公式代码参考
CIRC_MARKET_CAP>=100 AND CIRC_MARKET_CAP<=10000 AND TTM_NET_PROFIT>0 AND Ref(HIGH/LOW, 1) > 1
其中，CIRC_MARKET_CAP表示流通市值大小，TTM_NET_PROFIT表示近12个月的净利润，Ref(HIGH/LOW, 1)表示昨日的振幅。通过此公式进行筛选后，即可得到符合条件的股票。
Python代码参考
import tushare as ts
def get_selected_stocks():
pro = ts.pro_api()
selected_stocks = []
for ts_code in pro.stock_basic(exchange='', list_status='L', fields='ts_code,circ_mv').ts_code:
stock_data = pro.query('stock_basic', ts_code=ts_code)
if stock_data.iloc[0]['circulating_market_cap'] < 100 or stock_data.iloc[0]['circulating_market_cap'] > 10000:
continue
# 判断振幅和基本面是否符合条件
daily_data = pro.daily(ts_code=ts_code, start_date='20210101', end_date='', fields='trade_date, open, high, low, close, volume, pct_chg')
if len(daily_data) < 2:
continue
if max(daily_data['high'] / daily_data['low']) <= 1:
continue
financial_data = pro.fina_indicator(ts_code=ts_code, start_date='', end_date='')
if len(financial_data) != 0 and financial_data.iloc[0]['roe'] > 0:
selected_stocks.append(ts_code)
return selected_stocks
## 如何进行量化策略实盘？
请把您优化好的选股语句放入文章最下面模板的选股语句中即可。
select_sentence = '市值小于100亿' #选股语句。
模板如何使用？
点击图标右上方的复制按钮，复制到自己的账户即可使用模板进行回测。
## 如果有任何问题请添加 下方的二维码进群提问。
